作者:英特尔公司副总裁、连接系统事业部总经理Hong Hou
如今,通过数据中心和网络传输的数据量正以每年25%的速度增长,并且丝毫没有放缓的迹象。要想高效地传输、存储和处理这些数据,就需要高度优化、高带宽、低延迟的连接解决方案。
我经常与客户谈起他们对网络日益增长的需求,我们的讨论总是会集中在以下三个方面:
解决这些问题的关键通常可以归结为互连以及在网络中高效传输数据的能力。互连是英特尔创新的六大技术支柱之一,也是我们战略的关键环节,即通过产品组合向客户提供领先产品。
在英特尔,我们认为互连技术将在日益增长的计算和存储性能方面发挥关键作用,而我们的战略即是向客户提供这些创新。
在过去几年,英特尔介绍了很多互连技术的细节,以及这些技术如何解决客户对关键网络和数据中心基础设施的需求。
我们的互连愿景聚焦于四个关键领域:
专注于这些领域使我们能够帮助客户提高网络性能、增强网络敏捷性并提高网络可见性,同时实现大规模端到端计算性能。
最近,我们的客户百度部署了英特尔互连技术。该公司利用基于英特尔FPGA芯片(Field Programmable Gate Array,现场可编程门阵列)的SmartNIC创新技术以及利用应用程序设备队列技术(Application Device Queues)的英特尔以太网800系列适配器来改进其虚拟化和负载性能,同时加快数据处理速度。
为了提高网络的灵活性,我们需要网络具备可编程性——这是我们的愿景。英特尔2019年从Barefoot Networks收购的技术,再加上英特尔至强可扩展处理器、FPGA、基础网卡NIC和SmartNICs——这些都在实现网络可编程性方面发挥了关键作用。例如,采用高性能以太网交换机ASIC和英特尔FPGA的Tofino系列产品,通过开放、社区化的P4编程语言能够实现完整的数据平面(data plane)可编程性。
可编程数据平面的优点包括:增强诊断可见性、降低功能复杂性以及更好的可移植性和模块化。英特尔以太网800系列通过动态设备个性化提供了一个完全可编程通道,支持越来越多用于网络功能虚拟化和网络边缘使用场景的网络协议。
未来,在网络中部署更高级别的可编程性将使客户能够根据自己的需求优化数据传输。
要想释放计算性能,就需要端到端的网络优化。从NIC到交换机以及整个数据中心,英特尔把网络基础架构看作一个整体。英特尔愿景的核心是:如何利用和整合产品组合中的功能来提供额外价值。其中一个例子就是如何将以太网交换芯片上的P4可编程性和带内网络遥测(In-band Network Telemetry)技术引入以太网控制器,再通过与英特尔Deep Insight Network Analytics软件相结合,实现对网络行为的实时洞察。
高速光互连技术可提供云服务和大型数据中心运营商所需的带宽。英特尔开创了从架构到设计再到制造的硅光子技术,并将其作为一种“把高速信号从裸片转移到网络”的可靠方法。事实证明,使用硅光子引擎可以降低电路板设计的复杂性和成本,同时提供一种互连方案,应对未来对速度和可编程网络需求的增长。
随着带宽需求的增长,硅光子和光互连将为超大规模数据中心运营商提供云服务运行时间和延迟的最佳服务性能。2020年,英特尔展示了业界首款一体封装光学(Co-packaged opticals)以太网交换机,该交换机成功将1.6Tbps的硅光引擎与12.8Tbps的可编程以太网交换机进行集成。在未来网络中,这种一体封装光学对于25Tbps及更高速率的交换机具备功率和密度优势,最终将成为未来网络带宽扩展十分必要的支持性技术。
基于以太网的NIC如今在整个网络中都得到广泛使用,提供服务器、CPU和其它网络处理元件的端点连接性能。基于英特尔以太网的NIC针对各种介质类型和以太网速度都可实现互通性。这些NIC经过高度优化,可释放网络性能,同时提供灵活和可扩展I/O,可满足网络基础架构的需求。
随着网络不断发展,客户对基础设施的需求也在不断增多,他们通过SmartNIC这样的技术寻求灵活性,加速实现针对现有和新兴使用场景的联网功能。
如今,英特尔的基础NIC(例如英特尔以太网700和800系列)正在为绝大多数服务器和存储部署经过验证并可靠的高性能连接。SmartNIC在管理和避免网络拥塞方面日益重要。
英特尔在SmartNIC领域进行了大量投资,并制定了新产品的长期路线图,以保持领先优势。我们与云计算和通信领域的重要客户合作开发有针对性的解决方案,以满足他们的独特需求。除了许多定制服务之外,我们还与诺基亚、Altiostar、HCL、F5和Affirmed等多家系统合作伙伴一起为通信服务提供商交付英特尔FPGA PAC N3000 SmartNIC技术。
我们看到作为网络加速器的SmartNIC在数据中心发挥着愈发重要的作用,我们将与关键云服务提供商和通信服务提供商携手合作,从而满足他们的独特需求。
要实现真正的端到端网络性能,就需要一个更加智能和开放的软件框架可编程互连平台。同时需要不断进行网络创新,才能在更大地规模上地释放计算和存储性能。
未来,我们会看到网络将成为一个可编程平台,而在这个平台上,SmartNIC和交换机变得更加重要,并集成了无处不在的硅光子技术。以太网控制器将实现端到端优化,而适配器和交换机将决定流量并大规模交付性能。
好文章,需要你的鼓励
这项研究提出了R1-Searcher++框架,通过两阶段训练策略使大语言模型能像人类一样灵活利用内部知识和外部信息。该方法创新性地采用强化学习激励模型优先使用内部知识,并引入记忆机制将检索到的信息转化为内部知识,实现动态知识获取。实验表明,R1-Searcher++不仅在多步问答任务上表现优异,还大幅减少了检索次数,显著提高了推理效率。
这项研究提出了AutoRefine,一种革新性的强化学习框架,为大语言模型引入了"边思考边搜索和完善"的全新范式。与传统方法不同,AutoRefine在连续搜索调用之间添加知识完善步骤,让模型能够有效过滤和组织信息。通过结合答案正确性和检索质量双重奖励,该方法在七项问答基准测试中平均提升6.9%的准确率,特别在复杂多跳推理场景中表现突出,解决了现有检索增强推理的核心局限性。
这项研究揭示了一种新型网络安全威胁:利用普通网络广告攻击AI网页代理。中科院研究团队开发的AdInject攻击无需特殊权限,仅通过精心设计的广告内容就能误导AI代理点击恶意链接,成功率高达90%以上。研究使用严格的黑盒模型,更符合现实场景,暴露了当前AI代理面临的实际安全漏洞。实验还表明,即使添加专门的防御提示,这类攻击仍能成功率超过50%,凸显了设计更强大防御机制的紧迫性。
东北大学与快手科技联合研发的UNITE系统为多模态信息检索带来突破性进展。这项发表于2025年5月的研究首次系统分析了模态特定数据如何影响检索性能,并提出创新的模态感知掩码对比学习技术,有效解决不同模态间的竞争关系。UNITE能同时处理文本、图像、视频及其组合,在40多项测试中超越现有方法,即使与参数规模更大的模型相比也表现出色。研究发现视频-文本对在通用检索中表现优异,而文本-文本和文本-图像对对指令遵循任务至关重要,为未来多模态系统研究提供了宝贵指南。